Análisis de imágenes de las hojas de naranjas

Author

G6_UIII

1 Integrantes G6

  1. Huaman Rimarachin Milver

  2. Rivera Jimenez Yanet

  3. Tuesta Chichipe Aracely

  4. Silva castro Luis

  5. Visalot Chapa Jener

2 Introducción

La anotación de imágenes es muy importante en tareas de visión por computadora, como la detección de objetos y clasificación de imágenes. LabelStudio, lo cual una plataforma de código abierto, facilita la anotación de datos, permitiendo etiquetar imágenes para entrenar modelos de aprendizaje automático (Sambetbayeva et al., 2025). Mediante el desarrollo de presente trabajo se explora la integración de LabelStudio con RStudio para analizar la anotación de imágenes.

3 Objetivo

  • Realizar las anotaciones de las 25 imagenes trabajadas con su respectiva area, peciolo y escala para entrenar el programa de label studio.

4 Estructura para realizar la anotacion de imagenes

  1. Iniciar LabelStudio

  2. Crear un nuevo proyecto

  3. Subir las imágenes

  4. Definir tipos de anotaciones

  5. Realizar las anotaciones correspondientes

  6. Guardar las anotaciones

  7. Repetir para todas las 25 imágenes trabajadas

5 Desarrollo del trabajo

5.1 Iniciar LabelStudio

5.1.1 Instalación y configuración inicial de Label Studio

  • Si aún no lo tienes instalado, puedes hacerlo desde el sitio oficial de Label Studio o usando el siguiente comando en la terminal

  • Inicia LabelStudio

5.2 Crear el nuevo proyecto

  • En la interfaz de LabelStudio, haz clic en “Create Project”.

  • Ingresa un nombre para tu proyecto y una breve descripción.

  • Elige el tipo de tarea (por ejemplo, Imagen si vas a trabajar con imágenes).

5.3 Subir las imagenes

  • Dentro del proyecto recién creado, haz clic en “Import” y selecciona “Upload Files”.

  • LabelStudio te permitirá subir múltiples imágenes a la vez.

  • También puedes integrarlo con Google Drive o importar desde otras fuentes.

5.4 Configurar el esquema de anotaciones

  • En Label Studio, puedes definir qué tipo de anotaciones deseas realizar en las imágenes. Esto se configura en el paso de labeling interface.

  • Haz clic en “Labeling Setup” y selecciona el tipo de anotación. Aquí puedes elegir:

  • Polígonos (Polygons): Para áreas irregulares.

  • Selecciona y configura las opciones que mejor se adapten a tu caso. Realizar las anotaciones correspondientes

5.5 Comenzar la anotación

Después de configurar la interfaz de anotación, haz clic en “Label” dentro de tu proyecto.

  • Se abrirán las imágenes cargadas, y podrás comenzar a anotar.

  • Dibuja el polígono alrededor de la hoja

  • Haz clic para establecer los puntos de un polígono alrededor del objeto que deseas segmentar. Cada clic creará un vértice del polígono.

  • Continúa haciendo clic en el contorno del objeto hasta que lo rodees completamente.

  • Para cerrar el polígono, haz clic en el primer punto donde comenzaste.

5.6 Asignar una etiqueta

  • Después de cerrar el polígono, se te pedirá que asocies el polígono con una etiqueta.

  • Por ejemplo, en nuestro caso sera hoja, peciolo y escala

  • Selecciona la etiqueta adecuada de la lista de etiquetas predefinidas o crea una nueva etiqueta si es necesario

5.7 Guardar las anotaciones

  • Una vez hayas etiquetado el objeto o área de interés, LabelStudio te permitirá guardar la anotación.

  • Puedes hacer esto en tiempo real o al finalizar varias anotaciones.

5.8 Repetir para todas las imágenes

Después de haber anotado una imagen, puedes proceder a la siguiente imagen y repetir el proceso de anotación.

5.9 Anotación de las 25 hojas de naranja

  • 5.9.1 H001

  • 5.9.2 H002

  • 5.9.3 H003

  • 5.9.4 H004

  • 5.9.5 H005

  • 5.9.6 H006

  • 5.9.7 H007

  • 5.9.8 H008

-### H009

  • 5.9.9 H010

  • 5.9.10 H011

  • 5.9.11 H012

  • 5.9.12 H013

  • 5.9.13 H014

  • 5.9.14 H015

  • 5.9.15 H016

  • 5.9.16 H017

  • 5.9.17 H018

  • 5.9.18 H019

  • 5.9.19 H020

  • 5.9.20 H021

  • 5.9.21 H022

  • 5.9.22 H023

  • 5.9.23 H024

  • 5.9.24 H025

6 Conclusión

En conclusión la anotación de las 25 imágenes, identificando de manera precisa el área foliar, el peciolo y la escala, permitió generar un conjunto de datos estructurado y de calidad. Este proceso aseguró la correcta delimitación de las características relevantes necesarias para el entrenamiento del programa, garantizando que el modelo pueda aprender patrones confiables y mejorar su capacidad de reconocimiento y análisis en futuras aplicacione

7 Referencias bibliográficas

Sambetbayeva, M., Nekessova, A., Yerimbetova, A., Bayangali, A., Kaldarova, M., Telman, D. y Smailov, N. (2025). Un modelo de anotación multinivel para la detección de noticias falsas: Implementación de corpus kazajo-ruso mediante Label Studio. Big Data and Cognitive Computing, 9(8), 215. https://doi.org/10.3390/bdcc9080215